Massively Multilingual Speech (MMS)
PulseAugur coverage of Massively Multilingual Speech (MMS) — every cluster mentioning Massively Multilingual Speech (MMS) across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Whisper 在非洲语言能力上的局限性凸显了数据分布问题
作者发现，尽管 OpenAI 的 Whisper 模型声称支持多语言，但由于训练数据分布不均，其在 Dholuo 等非洲语言上的表现不佳。斯瓦希里语有几个小时的数据，而 Dholuo 则完全缺失。这表明，一种语言出现在模型的支持列表中并不保证其能力，尤其对于低资源语言而言。Meta 的 Massively Multilingual Speech (MMS) 和 Omnilingual ASR 等较新模型提供了更广泛的语言支持，但仍然存…
-
新框架标准化汉藏语系的罗马化
研究人员推出了汉藏语系罗马化生态系统，这是一个旨在跨不同汉藏语系语言标准化罗马化的框架。该生态系统采用了四个核心设计原则，包括语音和历史-音韵对应，以确保相似的语音由相似的罗马化符号表示。该框架应用于为普通话、粤语、梅县客家话、上海吴语和南京江淮官话开发新的罗马化方案。开发的基础设施支持存储、转换、解析和词典构建，语音到罗马化的实验显示出比现有基线更高的准确性。
-
新方法改进多语言词级语音对齐
研究人员开发了一种新颖的多语言词级强制对齐方法，集成了Massively Multilingual Speech (MMS) 模型中的表示和一个自监督音素边界检测器。该方法使用学习型动态规划解码器来推断精确的词边界。该系统在TIMIT和Buckeye数据集上与Montreal Forced Aligner (MFA) 等现有方法相比，表现出优越的性能，并在未见过（unseen）的语言上显示出有希望的结果，表明其可扩展性可覆盖MMS支持…